[Python][AI] 한국 로또 분석: 당첨 번호 분석과 패턴 찾기(EDA)

출처 : https://dhlottery.co.kr/gameInfo.do?method=buyLotto

2025.02.18 - [개발 Code/인공지능 A.I.] - [Python][AI] 한국 로또 분석: 당첨 확률과 예측의 불가능성

[Python][AI] 한국 로또 분석: 당첨 확률과 예측의 불가능성

 

본 글에서는 로또 당첨 데이터에 대한 탐색적 데이터 분석(EDA)을 진행하며, 다양한 통계적 특징을 살펴보겠다.

---

1. 데이터 전처리

---

로또 데이터는 동행복권 사이트에서 제공하는 엑셀 파일을 각각 lotto-1.xls(1~600회), lotto-2.xls(601~1,159회)로 저장함 ('25. 02. 18. 기준).

두 데이터를 Python으로 불러와 다음과 같이 전처리함.

데이터 로드 및 정리

import pandas as pd
import numpy as np

import matplotlib.pyplot as plt

plt.rcParams['font.family'] = 'NanumGothic'
plt.rcParams['axes.unicode_minus'] = False

%load_ext watermark
%watermark -v -m -p pandas,numpy,matplotlib,seaborn

# Python version       : 3.10.15
# IPython version      : 8.29.0

# pandas    : 2.2.3
# numpy     : 1.23.5
# matplotlib: 3.9.2
# seaborn   : 0.13.2

df1_raw = pd.read_html("./lotto/lotto-1.xls", encoding='euc-kr', index_col=False)
df2_raw = pd.read_html("./lotto/lotto-2.xls", encoding='euc-kr', index_col=False)

df1_table = df1_raw[1]
df2_table = df2_raw[1]

# 첫 번째 행 제거 후 두 번째 행을 컬럼명으로 설정
df1_table.columns = df1_table.iloc[1]  # 두 번째 행을 컬럼명으로 설정
df2_table.columns = df2_table.iloc[1]

df1_table = df1_table[2:].reset_index(drop=True)  # 불필요한 행 삭제
df2_table = df2_table[2:].reset_index(drop=True)

# 컬럼명 정리
df1_table.columns = ['년도', '회차', '추첨일', '1등 당첨자수', '1등 당첨금액', 
                     '2등 당첨자수', '2등 당첨금액', '3등 당첨자수', '3등 당첨금액', 
                     '4등 당첨자수', '4등 당첨금액', '5등 당첨자수', '5등 당첨금액', 
                     '번호1', '번호2', '번호3', '번호4', '번호5', '번호6', '보너스번호']

df2_table.columns = df1_table.columns  # 동일한 컬럼명 적용

# 숫자 데이터 변환
numeric_cols = ["1등 당첨자수", "1등 당첨금액", "2등 당첨자수", "2등 당첨금액",
                "3등 당첨자수", "3등 당첨금액", "4등 당첨자수", "4등 당첨금액", 
                "5등 당첨자수", "5등 당첨금액"]

def clean_numeric_columns(df, cols):
    for col in cols:
        df[col] = df[col].str.replace(",", "").str.replace("원", "").astype(np.int64)
    return df

df1_table = clean_numeric_columns(df1_table, numeric_cols)
df2_table = clean_numeric_columns(df2_table, numeric_cols)

# 날짜 데이터 변환
df1_table["추첨일"] = pd.to_datetime(df1_table["추첨일"], format="%Y.%m.%d")
df2_table["추첨일"] = pd.to_datetime(df2_table["추첨일"], format="%Y.%m.%d")

# 두 개의 데이터프레임 합치기
lotto_dataset = pd.concat([df1_table, df2_table], ignore_index=True).sort_values('년도').reset_index(drop=True)

lotto_dataset['추첨일'] = pd.to_datetime(lotto_dataset['추첨일'], format="%Y-%m-%d")

lotto_obj_cols = ['년도', '회차', '번호1', '번호2', '번호3', '번호4', '번호5', '번호6', '보너스번호']

for col in lotto_obj_cols:
    lotto_dataset[col] = lotto_dataset[col].astype(np.int64)

# 	년도	회차	추첨일	1등 당첨자수	1등 당첨금액	2등 당첨자수	2등 당첨금액	3등 당첨자수	3등 당첨금액	4등 당첨자수	4등 당첨금액	5등 당첨자수	5등 당첨금액	번호1	번호2	번호3	번호4	번호5	번호6	보너스번호
# 0	2002	1	2002-12-07	0	0	1	143934100	28	5140500	2537	113400	40155	10000	10	23	29	33	37	40	16
# 1	2002	2	2002-12-14	1	2002006800	2	94866800	103	1842000	3763	100800	55480	10000	9	13	21	25	32	42	2
# 2	2002	3	2002-12-21	1	2000000000	0	0	139	1174100	5940	54900	73256	10000	11	16	19	21	27	31	30
# 3	2002	4	2002-12-28	0	0	1	211191200	29	7282400	2777	152100	52382	10000	14	27	30	31	40	42	2
# 4	2003	21	2003-04-26	23	797475400	26	117576500	2008	1522400	82996	73600	1155368	10000	6	12	17	18	31	32	21
# ...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
# 1154	2025	1156	2025-01-25	21	1505207090	73	72167464	3494	1507792	162883	50000	2706409	5000	30	31	34	39	41	45	7
# 1155	2025	1155	2025-01-18	7	4066375179	78	60821851	3171	1496091	160366	50000	2654046	5000	10	16	19	27	37	38	13
# 1156	2025	1154	2025-01-11	15	1854965425	62	74796993	3190	1453735	154785	50000	2559114	5000	4	8	22	26	32	38	27
# 1157	2025	1153	2025-01-04	15	2027312925	79	64155473	3506	1445603	167692	50000	2848165	5000	1	9	10	13	35	44	5
# 1158	2025	1157	2025-02-01	12	2257842157	141	32026130	4549	992677	201847	50000	3100779	5000	5	7	12	20	25	26	28
# 1159 rows × 20 columns

---

2. 데이터 개요

---

통합된 데이터에 대한 구조 확인

# 데이터 구조 확인
lotto_dataset.info()

# <class 'pandas.core.frame.DataFrame'>
# RangeIndex: 1159 entries, 0 to 1158
# Data columns (total 20 columns):
#  #   Column   Non-Null Count  Dtype         
# ---  ------   --------------  -----         
#  0   년도       1159 non-null   int64         
#  1   회차       1159 non-null   int64         
#  2   추첨일      1159 non-null   datetime64[ns]
#  3   1등 당첨자수  1159 non-null   int64         
#  4   1등 당첨금액  1159 non-null   int64         
#  5   2등 당첨자수  1159 non-null   int64         
#  6   2등 당첨금액  1159 non-null   int64         
#  7   3등 당첨자수  1159 non-null   int64         
#  8   3등 당첨금액  1159 non-null   int64         
#  9   4등 당첨자수  1159 non-null   int64         
#  10  4등 당첨금액  1159 non-null   int64         
#  11  5등 당첨자수  1159 non-null   int64         
#  12  5등 당첨금액  1159 non-null   int64         
#  13  번호1      1159 non-null   int64         
#  14  번호2      1159 non-null   int64         
#  15  번호3      1159 non-null   int64         
#  16  번호4      1159 non-null   int64         
#  17  번호5      1159 non-null   int64         
#  18  번호6      1159 non-null   int64         
#  19  보너스번호    1159 non-null   int64         
# dtypes: datetime64[ns](1), int64(19)
# memory usage: 181.2 KB

# 기술 통계 분석
round(lotto_dataset.describe(), 3)

# 	년도	회차	추첨일	1등 당첨자수	1등 당첨금액	2등 당첨자수	2등 당첨금액	3등 당첨자수	3등 당첨금액	4등 당첨자수	4등 당첨금액	5등 당첨자수	5등 당첨금액	번호1	번호2	번호3	번호4	번호5	번호6	보너스번호
# count	1159.000	1159.000	1159	1159.000	1.159000e+03	1159.000	1.159000e+03	1159.000	1159.000	1159.000	1159.000	1159.000	1159.000	1159.000	1159.000	1159.000	1159.000	1159.000	1159.000	1159.000
# mean	2013.530	580.000	2014-01-11 00:00:00	8.097	2.665804e+09	49.023	6.332445e+07	1851.280	1585731.174	90760.637	57301.499	1487654.831	5375.324	6.752	13.090	19.954	26.234	32.840	39.478	22.334
# min	2002.000	1.000	2002-12-07 00:00:00	0.000	0.000000e+00	0.000	0.000000e+00	28.000	627634.000	2537.000	27300.000	40155.000	5000.000	1.000	2.000	3.000	5.000	9.000	18.000	1.000
# 25%	2008.000	290.500	2008-06-24 12:00:00	5.000	1.566595e+09	33.000	4.878907e+07	1294.000	1354515.500	64195.500	50000.000	1060499.000	5000.000	3.000	8.000	14.000	21.000	28.000	37.000	10.500
# 50%	2014.000	580.000	2014-01-11 00:00:00	7.000	2.082099e+09	44.000	5.712570e+07	1650.000	1478429.000	80303.000	50000.000	1324790.000	5000.000	5.000	12.000	19.000	27.000	34.000	41.000	23.000
# 75%	2019.000	869.500	2019-07-30 12:00:00	10.000	3.019093e+09	62.000	6.688088e+07	2339.000	1603055.000	114261.000	56207.000	1865719.500	5000.000	10.000	18.000	25.500	32.000	38.000	44.000	34.000
# max	2025.000	1159.000	2025-02-15 00:00:00	63.000	4.072296e+10	664.000	7.694565e+08	11247.000	9307100.000	703234.000	260000.000	3410846.000	10000.000	35.000	37.000	40.000	43.000	44.000	45.000	45.000
# std	6.415	334.719	NaN	4.860	2.398714e+09	28.782	3.692096e+07	784.666	641177.352	38495.307	20277.336	553517.220	1318.047	5.406	6.892	7.436	7.541	6.821	5.292	13.204

 

데이터셋은 1159행×20열로 구성되어 있으며, 모든 컬럼에 결측치가 없음.

 

1등 당첨금액을 보면, 최댓값이 400억이 넘는것을 확인할 수 있다. 궁금해서 1등 당첨금액 순으로 확인해 봤을때 다음과 같았다.

 

lotto_dataset['1등 당첨금액'].sort_values(ascending=False)[:10]

# 18    40722959400
# 24    24227745300
# 19    19352212800
# 42    17749630800
# 14    17014245000
# 35    16014475800
# 61    15817286400
# 32    14903517600
# 81    14562494400
# 85    14252186400
# Name: 1등 당첨금액, dtype: int64

 

100억이 넘는 1등 당첨금액이 이리도 많았던가? 해서 추첨일을 찾아보았다.

 

lotto_dataset.loc[lotto_dataset['1등 당첨금액'].sort_values(ascending=False)[:10].index]['추첨일']

# 18   2003-04-12
# 24   2003-05-24
# 19   2003-04-19
# 42   2003-09-27
# 14   2003-03-15
# 35   2003-08-09
# 61   2004-02-07
# 32   2003-07-19
# 81   2004-06-26
# 85   2004-07-24
# Name: 추첨일, dtype: datetime64[ns]

 

2003 ~ 2004년에 100억이 넘는 1등 당첨금을 받는 일이 많았던 것을 확인할 수 있었다.

---

728x90

반응형

3. 시각화 분석

---

(1) 추첨일에 따른 1등 당첨금액 & 당첨자수 변화 및 선형 추세선

import statsmodels.api as sm

# 시간 흐름(인덱스)을 회귀분석의 독립변수로 사용
lotto_dataset['회차인덱스'] = np.arange(len(lotto_dataset))

# (1) 1등 당첨금액에 대한 선형 회귀
X = lotto_dataset[['회차인덱스']]
X = sm.add_constant(X)  # 상수항 추가
y = lotto_dataset['1등 당첨금액']

model = sm.OLS(y, X).fit()
lotto_dataset['금액_추세선'] = model.predict(X)

# (2) 1등 당첨자수에 대한 선형 회귀
X2 = lotto_dataset[['회차인덱스']]
X2 = sm.add_constant(X2)
y2 = lotto_dataset['1등 당첨자수']

model2 = sm.OLS(y2, X2).fit()
lotto_dataset['당첨자수_추세선'] = model2.predict(X2)

# 시각화
fig, axes = plt.subplots(2, 1, figsize=(16, 10), sharex=True)

# 1등 당첨금액 (원 데이터 + 회귀선)
axes[0].plot(lotto_dataset['추첨일'], lotto_dataset['1등 당첨금액'], label='1등 당첨금액(원)', color='blue')
axes[0].plot(lotto_dataset['추첨일'], lotto_dataset['금액_추세선'], label='추세선(선형 회귀)', color='red')
axes[0].set_ylabel('1등 당첨금액(원)')
axes[0].set_title('추첨일에 따른 1등 당첨금액 변화 및 선형 추세선')
axes[0].grid(True)
axes[0].legend(loc='upper center', fontsize=15)

# 1등 당첨자수 (원 데이터 + 회귀선)
axes[1].plot(lotto_dataset['추첨일'], lotto_dataset['1등 당첨자수'], label='1등 당첨자수(명)', color='orange')
axes[1].plot(lotto_dataset['추첨일'], lotto_dataset['당첨자수_추세선'], label='추세선(선형 회귀)', color='red')
axes[1].set_xlabel('추첨일')
axes[1].set_ylabel('1등 당첨자수(명)')
axes[1].set_title('추첨일에 따른 1등 당첨자수 변화 및 선형 추세선')
axes[1].grid(True)
axes[1].legend(loc='upper center', fontsize=15)

plt.tight_layout()
plt.show()

추첨일에 따른 변화 및 추세선

 

1등 당첨금액은 감소하는 추세고, 1등 당첨자는 증가하는 추세라는 것을 확인할 수 있었다. 당첨자수가 증가함에 따라 1등 당첨 금액이 줄어든 것으로 보인다. 복권 구매량(판매량)에 대한 데이터가 없어서 구매자 대비 당첨률은 확인할 수 없었다.

(2) 로또 번호별 출변 빈도

from collections import Counter
palette = sns.color_palette("rocket", 45)

# 당첨 번호 데이터 수집
all_numbers = lotto_dataset[['번호1', '번호2', '번호3', '번호4', '번호5', '번호6', '보너스번호']].values.flatten()
all_but_no_bonus_numbers = lotto_dataset[['번호1', '번호2', '번호3', '번호4', '번호5', '번호6', '보너스번호']].values.flatten()
only_bonus_numbers = lotto_dataset['보너스번호'].values.flatten()

# 번호별 출현 빈도 계산
number_counts = Counter(all_numbers)
all_but_no_bonus_counts = Counter(all_but_no_bonus_numbers)
only_bonus_numbers_counts = Counter(only_bonus_numbers)

# Counter의 key를 내림차순 정렬
sorted_items = sorted(number_counts.items(), key=lambda x: x[0], reverse=True)
no_bonus_sorted_items = sorted(all_but_no_bonus_counts.items(), key=lambda x: x[0], reverse=True)
bonus_sorted_items = sorted(only_bonus_numbers_counts.items(), key=lambda x: x[0], reverse=True)

sorted_keys, sorted_values = zip(*sorted_items)
no_bonus_sorted_keys, no_bonus_sorted_values = zip(*no_bonus_sorted_items)
bonus_sorted_keys, bonus_sorted_values = zip(*bonus_sorted_items)

# 시각화
fig, axes = plt.subplots(3, 1, figsize=(16, 10), sharex=True)

# 시각화
axes[0].bar(sorted_keys, sorted_values, color=palette)
axes[0].set_ylabel("출현 횟수")
axes[0].set_title("로또 번호별 출현 빈도(번호 전체)")
axes[0].set_ylim(140, 210)
axes[0].grid(axis="y", linestyle="--", alpha=0.8)

axes[1].bar(no_bonus_sorted_keys, no_bonus_sorted_values, color=palette)
axes[1].set_ylabel("출현 횟수")
axes[1].set_title("로또 번호별 출현 빈도(보너스 번호 제외)")
axes[1].set_ylim(140, 210)
axes[1].grid(axis="y", linestyle="--", alpha=0.8)

axes[2].bar(bonus_sorted_keys, bonus_sorted_values, color=palette)
axes[2].set_xlabel("로또 번호")
axes[2].set_ylabel("출현 횟수")
axes[2].set_title("로또 번호별 출현 빈도(보너스 번호)")
axes[2].set_xticks(range(1, 46))
axes[2].set_ylim(10, 40)
axes[2].grid(axis="y", linestyle="--", alpha=0.8)

plt.tight_layout()

 

 

1등 당첨 번호로 가장 많이 선정된 숫자는 '34', 가장 적게 선정된 숫자는 '9'라는 것을 확인할 수 있었다. 보너스 번호를 제외하고서도 가장 많이 선정된 숫자는 '34,', 가장 적게 선정된 숫자는 '9'였다. 이와 달리, 보너스 번호 중에서는 '43'이 가장 많이 선정 됐으며 '29'가 가장 적게 선정됐다.

(3) 가장 많이 등장한 로또 숫자 조합 (TOP 10)

from itertools import combinations

# 모든 조합의 등장 횟수를 저장할 Counter 생성
combination_counter = Counter()

# 가능한 조합 크기 (2개 조합부터 6개 조합까지)
for r in range(2, 7):
    for row in lotto_dataset[['번호1', '번호2', '번호3', '번호4', '번호5', '번호6', '보너스번호']].values:
        # 각 회차의 당첨 번호에서 r개의 숫자로 이루어진 조합 생성 후 정렬하여 카운트
        for combo in combinations(sorted(row), r):
            combination_counter[combo] += 1

# 가장 많이 등장한 조합 10개 찾기
most_common_combinations = combination_counter.most_common(10)

# 데이터 변환: 조합을 문자열로 변환하여 시각화
combo_labels = [str(combo) for combo, _ in most_common_combinations]
combo_counts = [count for _, count in most_common_combinations]

# 시각화
plt.figure(figsize=(12, 6))
sns.barplot(x=combo_counts, y=combo_labels, palette="Blues_r")
plt.xlim(32,42)
plt.xlabel("등장 횟수")
plt.ylabel("숫자 조합")
plt.title("가장 많이 등장한 로또 숫자 조합 (TOP 10)")
plt.grid(axis="x", linestyle="--", alpha=0.7)
plt.tight_layout()

가장 많이 등장한 로또 숫자 조합 (TOP 10)

 

보너스 번호를 포함하여 2~6개까지 가능한 조합을 조회한 결과, 가장 많이 등장한 숫자 조합은 (3,20)이었다.

이번 글에서는 여기까지 진행하고, 다음 글에서 추가로 진행하겠다.